Python中如何基于姓名正则表达式将指定字符串分割为列表

原正则失效原因 #

原正则无法生效的核心问题有三个：

• 人名部分匹配规则过于死板，仅支持「数字+两个英文单词」的格式，无法适配多单词人名场景
• 未开启单行匹配模式，. 元字符默认无法匹配换行符，仅能在单行内匹配内容，无法跨多行匹配完整条目
• 未覆盖字符串末尾边界，最后一个条目没有后续的序号触发匹配，无法被捕获

正确实现方案 #

匹配正则 #

^\d+ .*?(?=\n{2,}\d+ |\Z)

规则说明：

• ^\d+ ：匹配行首的序号（数字+空格）作为每个条目的起始标志
• .*?：非贪婪匹配所有内容
• (?=\n{2,}\d+ |\Z)：正向预查，匹配到「两个以上换行+下一个序号」或者「字符串结尾」就停止匹配，不会消耗匹配内容，不影响下一个条目的捕获

配套Python代码示例 #

需要同时开启 re.DOTALL（让 . 匹配换行符）和 re.MULTILINE（让 ^ 匹配每一行的行首）标志：

import re

string = '''1 Acone Raffaele
^Eboli (SA) - 04/12/1971^ 148/A Dottore commercialista^ 84043 Agropoli (SA) - Via P. Mascagni, 5
^CNARFL71T04D390R^ A - Commercialisti^ Laurea in Economia e Commercio (64/S)
^Agropoli (SA) Ordine Tel. 0974824169 - Fax 0974824169 Esercente
^06/05/2002^06/05/2002^ Email: raffaeleacone@tiscali.it
^06/05/2002^Revisore legale - n. 125741^PEC: raffaele.acone@pec.commercialisti.it

2 Agresta sdfsdf dfdsf
^Salerno (SA) - 08/09/1979 269/A Dottore commercialista^ 84043 Agropoli (SA) - Via F. Angrisani, 7
^GRSDNL79P08H703B^ A - Commercialisti^ Laurea in Economia e Commercio (64/S)
^Agropoli (SA)Tel. 0974 823625 - Fax 0974 823625^ Esercente
^25/07/2012^25/07/2012^ Email: d.agresta@yahoo.it
^25/07/2012^Revisore legale - n. 165766^PEC: d.agresta@pec.it

3 Agresta Veronica
^Vallo della Lucania (SA) - 06/10/1981 281/A Dottore commercialista^ 84052 Ceraso (SA) - Via Campo, 1
^GRSVNC81R46L628Z^ A - Commercialisti^ Laurea in Economia e Commercio (LM-56)
^Ceraso (SA)^Tel. 0974 61248^Esercente
^24/01/2014^24/01/2014^ Email: veronica.ag@live.it
^24/01/2014^Revisore legale - n. 172086^PEC: veronicaagresta@pec.it

'''

# 直接获取条目列表
result = re.findall(r'^\d+ .*?(?=\n{2,}\d+ |\Z)', string, flags=re.DOTALL | re.MULTILINE)
# 如果需要每个元素单独包裹列表，执行以下转换即可
# result = [[item.strip()] for item in result]
print(result)

运行后输出结果和需求完全一致。

内容的提问来源于stack exchange，提问作者Robert